1. 研究目的与意义
交通卡口全天候对车辆进行实时记录和监测（包括车型、颜色、车牌号码、时速等），同时提供带有车牌号码自动识别技术的图片型数据与实时视频录像记录两种类别的交通卡口记录方式，弥补了单一记录类型交通卡口设备的不足。为打击肇事逃逸、侦破机动车盗抢以及其它涉案车辆等提供准确的证据和信息，为维护交通、治安、加强公安交通管理提供有力保障，是打击机动车盗抢、肇事逃逸等犯罪行为强有力的手段。随着现代交通的迅速发展，人们对车型识别的需求的要求也越来越高，既需要对车辆和驾驶员的验证，又要求能实现无人化的管理和信息处理平台的统一的控制功能的智能系统。相信不久的将来便会有集车牌识别技术、车辆颜色识别技术、车标识别技术和车型识别技术为一体的车辆识别产品问世，建立起无人值守的自动检测、自动布控的智能交通系统。
2. 国内外研究现状分析
湖南大学的陈炳权等学者提出的基于支持向量机的机动车车型实时撸棒算法，它通过选择合适车辆的特征结构矩再根据改进的支持向量机作为学习分类机，来完成车型的识别。重庆交通大学的邓天民等学者提出来基于Gabor变换和隐式马尔可夫模型的车型识别方法及有关的算法。重庆大学的沈志熙等介绍了基于单目视觉的车辆目标识别，提出来一种基于混合核函数和集成学习改进的二叉树的支持向量机多分类方法，使实现了多种车辆的准确识别等。2009年，秦克胜等人首先利用图像局部匹配方法定位出目标车辆在图像中的位置，该方法主要应用于图像只包括车辆侧面的情况，在这种情况下，车身可近似为梯形，车轮近似为圆形，通过Hough变换算法将梯形和两个圆形检测出来，并将这三个特征和车辆位置关系与整幅图像匹配识别。2010年，马蓓，张乐等人提取目标车辆的纹理特征，同时计算灰度纹理特征在空间位置上的相互关系，以及相同位置上成对像素的灰度相关性，将这些数据作为车型的特征量，其明显缺点是当图像分辨率发生变化时，计算得到的纹理特征会产生较大误差，从而降低识别率，而且实时性较差。
SunghoonKim使用Sobel算子来检测车辆图像的前脸边缘，并对边缘的分布特征进行了分析，以便确定车牌区域。J．R．Parker使用的是ShenCastall边缘检测算子，MeiYu认为可以利用车牌的垂直边缘信息进行车牌定位，EunRyungLee则利用了彩色图像中的彩色信息。内华达大学的SunZehang等使用Gabor滤波和支持向量机的方法完成车辆检测。Gabor滤波提供了获得灰度不变性特征的维数，可以适用于光照变化和尺度变化的条件下，车辆具有较强的边缘和水平线信息，它们具有方向性和尺度。Gabor滤波能够对这些特征有更强的鲁棒性。在车辆检测阶段利用SVM进行验证，同时也使用进化Gabor滤波优化来完成特征抽取。此外，SunZehang还使用量化Haar小波特征和支持向量机的特征选择和分类的车辆检测方法。
3. 研究的基本内容与计划
研究内容：
1.学习研究智能交通系统的基本概念;
2.学习支持向量机svm的基本原理，了解其如何应用于车型识别;
4. 研究创新点
本文结合SVM的算法和C语言来实现在交通卡口上车型识别的各种应用。
